在无人驾驶车辆中，哪些传感器最重要？ 那些控制所谓的感知系统的传感器，这是驾驶中最重要的事情。 感知系统的任务是检测道路上或附近的所有重要物体，例如其他车辆，行人，垃圾，在某些情况下还检测道路物体，例如标志和车道标记。
（在道路上的位置也取决于传感器）。
感知系统必须检测所有障碍并尝试识别它们。 她需要测量它们的速度和方向，并预测它们的运动。 这是一项非常困难的任务。
感知系统中的两个关键错误是误报（失明）和误报（虚幻的物体）。
假阴性反应是未检测到障碍物的情况。 如果系统长时间运行，以致您无法安全地绕过障碍物，则可能导致灾难性后果。 一个好的系统几乎永远不会产生错误的负面结果。 识别障碍物可能需要花费额外的时间，由于突然的闪烁可能会遗漏某些东西，但是重复的错误可能导致事故。 说“从不”，我的意思是“几乎从不”，以成千上万的团结为单位。
错误的肯定结果是另一种错误。 在她的情况下，系统看到实际上不存在的东西，这迫使汽车制动或倒塌。 这会惹恼乘客，如果不系好安全带，可能会导致受伤。 如果另一辆汽车行驶得非常近或制动和转弯过急，也可能导致事故。 通常，这种情况并不危险，但是如果这种情况发生得太频繁，则用户将放弃系统。
错误的分类也与上述错误有关。 错误的分类意味着骑车人被误认为是行人，或者两辆摩托车被误认为是一辆车。 即使没有准确的识别，机器也知道如何不撞到障碍物，但是系统可能会错误地确定其移动的位置或如何最好地做出响应。
另一类错误是完全失败。 传感器或其软件可能会故障或无法正常运行。 令人惊讶的是，这比盲目性更常见，因为系统会知道传感器故障并且不会接受其数据。 在这种情况下，她将依靠备用传感器，或者在其他传感器还不够的情况下力争尽快离开道路。 尽管这也不应该经常发生，否则人们将停止信任该系统。
对于无人驾驶车辆，有许多重要的传感器，但研究和讨论最多的是激光雷达和照相机。
激光雷达是基于光的雷达。 传感器发送眼睛看不到的短脉冲激光，并检测反射光返回的时间。 因此，系统可以非常准确地识别目标的亮度和范围。
激光雷达具有很大的优势：- 它在检测各种尺寸足够大的物体时非常可靠，并且可以计算出它们的距离，尺寸和位置，非常接近100％的可靠性。
- 激光雷达的结果是周围世界的3D地图。 从传感器后面（或前面）的物体中选择物体很容易
- 激光雷达使用发射的光，因此无论环境光如何都能工作。 白天或黑夜，多云或晴朗，天空阴暗或阳光明媚-激光雷达在所有情况下的视线几乎相同。
- 它具有抗干扰能力，并且比雷达具有更高的分辨率。
- 某些激光雷达可以使用多普勒效应确定物体的速度。
但是，有一些缺点：- 最初，激光雷达非常昂贵。 高分辨率激光雷达的生产量很小，且价格比汽车高（新型号的价格不到1000美元）
- 相当适中的分辨率。 最好的设备在垂直扫描中以10 Hz的频率接收128像素的图像。
- 范围是有限的。 中型激光雷达可以看到70-100米的距离，而从大型物体（如汽车）在大约一百米的距离返回的收益则更少。 有些人声称可以工作到200米，但这是值得怀疑的。 1.5微米的激光雷达（价格更高）可以进一步看到。
- 大多数激光雷达具有移动部件来扫描世界。 闪光灯激光雷达没有活动部件，但是现在它们变得更加昂贵（在新一代固态激光雷达中，活动部件的数量已被最小化，或者被完全淘汰了）。
- 刷新率通常较低。 此外，在激光雷达扫描场景时，由于扫描的汽车和其他物体的移动，激光雷达会变形，并且由于在不同的时间扫描场景的不同边缘，因此会发生偏移。
- 激光雷达可能会遇到下大雨，下雪和起雾的问题，尽管其他光传感器（包括相机）的行为也类似。 激光雷达有时还会触发不可见的事物，例如废气。
- 激光雷达最好安装在室外。 它们需要每个光子，因此不要通过将它们安装在挡风玻璃后面来削弱它们。
摄影机
基于摄像头的系统的行为类似于人类。 一个或多个摄像机观察场景，然后该软件尝试与人做同样的事情-从二维图像中想象和理解三维世界。
- 相机真的很便宜。 设备成本只有几十美元，您可以拥有很多。
- 由于对可见光敏感的相机使用反射光，因此如果它们的视野范围很窄并且可以定向，则它们可以在白天看到任意距离。 在晚上，他们应该使用透射光-就像您的头灯一样。
- 他们看到颜色。 激光雷达会感知红外光谱中的灰色阴影。
- 除非引导摄像机，否则它们将没有运动部件。 否则，即使对于远程物体，他们也可能会收到高分辨率的图像。 即使在广泛使用的情况下，也有高分辨率的相机-激光雷达可以看到64行，而相机可以看到3000行。
- 由于具有高分辨率和色彩，照相机能够得出关于无法从激光雷达获得的低分辨率图像获得的场景的结论。
- 摄像机可以看到交通信号灯，尺寸，转向信号灯和其他发光源。 相机非常适合阅读角色。
但是，相机有一些缺点，第一个缺点很多：- 如今，计算机视觉无法很好地检测具有安全驾驶所需可靠性的所有重要功能。
- 相机应在变化的灯光下工作。 观察到的物体通常会受到阴影的移动，并且也可以从任何方向照亮（或根本不照亮）。
- 在晚上，相机需要额外的照明，并且前灯可能还不够。
- 计算机视觉任务需要高性能处理器或特定芯片才能在当前要求的水平上运行。
电脑视觉
相机的图像处理大致可分为两类：“计算机视觉”和“机器视觉”。 机器视觉是指对数字图像进行的简单，本地化的分析。 它包括诸如搜索图像的细节和边缘，确定运动和运动视差以及将视差应用于立体图像以确定距离等任务。 这些方法已经非常完善，其中许多是可以理解的。 一些机器视觉任务（例如识别和阅读路标）更加困难，但很快就会解决。
计算机视觉是指一组更复杂的任务，需要类似于人的技能，包括理解图像的能力。 这些任务还暗示了技能，例如将图像分为多个部分并识别对象的能力。 您可以向几乎在任何情况下以任何光线照射的人显示另一个人的图像，观察者可以轻松确定该人在图像中的位置，甚至是他的距离。 我们甚至可以确定关注的对象以及所描绘的人的行为。 这个领域的算法越来越好，但是还没有达到足够的水平。
一些任务到达边界区域。 机器视觉工具在图像中查找细节，并且不管图像的大小和方向如何进行操作。 这使您可以检测其他汽车，行人，道路边界和道路标记。 准确识别的普遍问题是许多人相信将最终解决的问题，但是很难预测何时会发生。 驾驶要求系统“永远不会错过”任何可能引起安全问题的东西。 特别困难的是静止的障碍物，其距离太远以致于立体图像无法工作，并且运动的视差（运动过程中背景中的对象相对于其他对象的移动方式）也受到限制。 （您直接前往的物体，例如行人或站立的汽车，将具有很小的运动视差）
人工视觉系统的另一个问题是照明和阴影的多样性。 可以从任何方向照亮物体。 另外，太阳可能在它们后面。 通常，阴影会穿过对象本身。 在这种情况下，当阴影的边界使对比图像中的对象的特征模糊时，必须使用HDR技术才能看到每个图像区域中的细节。
有一种特殊类型的相机，称为长波红外或“热”相机，它使用发出的光而不是反射的光。 相对于阳光处于阴影中的对象仍将在图像中被遮盖，但是将不再有移动的阴影。 热图像是单色的，白天和黑夜都可以很好地工作，尽管在夜间效果要好一些。 在雾天和其他一些天气条件下，可以更好地看到此类摄像机。 它们可以很好地检测生物，除非地球的温度等于人体的温度。 不幸的是，热像仪非常昂贵，而具有高分辨率的型号甚至更贵。 它们也必须安装在外部，因为红外线不会穿过玻璃。 当前，没有关于这些相机的实际使用的报道，但是，正在进行一些研究。
在“高光谱”成像领域中存在一些潜力，其中您的相机可以在多种颜色范围内工作，包括红外线和紫外线。 使用此类图像，将更容易识别某些类型的对象。
人们能够将观察到的二维图像转换为世界的三维模型，同时在检查场景并观察运动视差后可以做得更好。 当前，计算机在分析静态图像方面比较谦虚，仅偶尔使用运动。 人们使用立体图像，但是当一只眼睛闭上或丢失时，它们也可以驱动。
反过来，激光雷达可以一遍创建场景的完整三维地图。 多遍可以改善图片质量，并帮助他欣赏速度。
深度学习
如今，计算机视觉中的大多数激动都与卷积神经网络有关，特别是那些使用称为“深度学习”的工具创建的神经网络，它模仿了生物大脑的许多功能。 许多人认为这个方向将是一个突破。 深度学习网络需要大量的学习资源（即使在没有特殊培训的情况下也可以在一定程度上发挥作用），以更好地理解世界观并采取行动。 人们创造了机器人，这些机器人使用深度学习技术在崎terrain的地形上进行操作，之后这些机器人能够学习相似条件下的运动。
这是一项了不起的工作，但我们离无人驾驶汽车所要求的高精度还很远。 同样令人不安的是，在进行深度学习时，我们不知道为什么会这样，我们只有工作的事实。 您可以对神经网络进行再培训以纠正错误，但是不能确定为什么再培训可以纠正所有问题。 同样的缺点也是人脑的特征，只有一个人才能向您解释为什么他以一种或另一种方式行事。
从法律的角度来看，对无人驾驶车辆进行深度训练有不同的看法。 机器学习可能会伤害您，因为您不了解它是如何工作的；它会很有用，因为您应用了具有良好安全性指标的最佳技术，并且没有犯任何可被称为马虎的错误。
机器学习往往会通过增加训练数据的数量来提高工作质量，这就是为什么要付出巨大努力来创建大量此类数据的原因。 但是，神经网络无法识别他们从未见过的事物（或相似的物体）。
其他传感器
其他传感器中最重要的是雷达。 雷达具有惊人的优势。 首先，他在雾中看得很好，而光学传感器无法应付。 其次，由于多普勒效应，他对其他汽车的观察很好，雷达的每一次撞击都不仅提供了距离信息，还提供了速度信息。 这甚至不仅仅是来自激光雷达的信息-雷达的一枪显示了所有移动障碍物及其速度。 雷达可以评估前方汽车或卡车下方道路的反射，并提供有关汽车在卡车盲区中的动作的信息-这是一个非常巧妙的技巧。
雷达的分辨率要低得多。 有实验性的高分辨率雷达，但它们需要较大的无线电频谱（频率范围），这远超出监管机构的生产能力。 雷达不太可能告诉您目标是否在您的车道上，或者目标是否在天桥或前方的道路上。
固定的物体也会反射雷达信号，这是一个问题。 地球，标志，篱笆-它们都返回信号，表明它们是静态物体。 因此，当站立的汽车反射雷达信号时，您不能确定这是路边标志还是停在其上的汽车。 大多数汽车雷达只是忽略了静态物体的反射，这是长期以来自动巡航控制无法在交通流量中起作用的原因之一，在这种情况下，您经常需要加油和刹车。
作为新研究的结果，创建了一种更高分辨率的雷达，并且也正在进行研究，以通过其反射特征来识别物体。 具有相控阵的数字雷达可以检查场景并将分辨率提高一度。 这还不够，但是已经是一种改进。
传感器协会
当使用多个传感器时，您希望合并所有数据，以便您可以理解雷达检测到的机器与照相机或激光雷达锯所看到的机器相同。 这样可以提高接收到的数据的质量，但是也会造成伤害。 传感器的组合并非100％可靠。 如果雷达显示前方有汽车，而摄像头认为没有汽车（反之亦然），您将怎么办？ 您将不得不选择相信的东西。 如果选择不正确，则可能会出现问题。 如果您相信有关障碍物的信息，则可以减少失明（这一点非常重要），但是您可以考虑两个传感器均不存在的障碍物。 , – .
, , , .
, . , .
( , – , , – . , , .)
, (, ). , 3D, , .
GPS, . . GPS ( GPS ), .
, , , ?
, . ?
2020 . – .
. , Velodyne 75 000 $, 32 . . , , 1982 5- 3000 $, , . , , , .
, . , , , . , , . , ,
, , .
. , , . , .
MobilEye, Intel, (, , ), , , , . 4 , .
, . , , . , . .
, . , . , , , VisLab , , , Mercedes 6D MobilEye, .
, , , , – . , .
, , , . , , , .
, “Super Cruise”, , . ( , ) , . , , , , .
, – . , . 99% , 99% 99.9999% . . , , , .
. , , , , . , - . , 10-20% , , - , , . , , , , , , .
- , - . , , 100 000 $, 3000 $ .
?
, , , .
, . , 400 000 . 170 290 . , 3 , 6000 . , .
, . , - ( 80% , ). - . , . - , , – , . - , , , .
, , . , . , , . . .
, , , , , . , , , . - , , , – . , .
. , , , .
. , . , . ( , ) - .
, , , . , , , . , - .
, , , . , . , , ( ), , , . - , , .
, . , “ ” , 40 /. , 3D, .
, , ( Microsoft Kinect). 3D, , , .
, , . , . , – .
, , , . , . , . , , . . , , , . , . , 99.9% , , , , , . , .
, , - . , , . - – , . , 99.99999%, .
, , . , . , 1 10 000 100 000 , -, .
, -, 2017 2019 , . – , . , , , , . , , . , , .
, 2020, , , , , .
( 25 /) , .
, , , – , ?
Tesla
, Tesla , “” , “”. 8 , : . , , . , , .
Tesla , , , . , , , , . , - , .
, ,
. Velodyne, , , 64 . 10 . 905 (, ) . Velodyne 32 16 10 000 $.
, . , , , , , .
. – , . , , , , DVD. , , .
. 16- Velodyne 10 000 $. Quanergy, , 8 . Valeo/IBEO 250 4 , , Velodyne , 300 . .
, :- 许多激光雷达具有一到四个激光，并且它们不会旋转，但是它们具有旋转或振动的反射镜，用于引导入射光和出射光。这样的模型较小，并且具有较小的运动部件。他们很难以360度的视角看到，因此在Velodyne模型中，整个设备都会旋转。为了查看周围的一切，您将需要几个这样的设备。
- 闪光灯会在整个区域发出明亮的闪光，然后由一系列传感器和计时器接收，它们可以一次拍摄整个场景的图像。 此设计有很多优点-没有运动部件，并且不会出现运动伪影，因为在扫描过程中世界和传感器都会运动。 在扫描激光雷达中，所有对象都相对于传感器移动，因此它们被拉伸和变形。 如今，闪光灯激光雷达非常昂贵-它需要特殊的传感器芯片，并且脉冲必须非常强大，才能一次照亮整个视野。
- 显微扫描仪是基于硅芯片制成的超薄移动镜。 大多数视频投影仪就是这样工作的。 尽管有运动部件，但它们非常小，并且非常轻便耐用。 一些短程激光雷达使用该技术建造。
- 如果您使用1.5微米范围（中范围红外）的光，则人眼将不再聚焦。 这意味着您可以发送更亮的脉冲而不会造成伤害，这又意味着您可以看到更远的距离。 坏消息是1.5微米的光不会触发硅，这意味着您必须使用其他类型的电子产品，如硅等不具有广泛生产成本的技术。 因此，目前1.5微米的激光雷达非常昂贵。
- 制作了一些特殊的激光雷达以进一步观察，甚至利用多普勒效应，使他们知道发现的物体移动的速度有多快。 在高分辨率通用盖中很难做到这一点。
- 一些飞行时间照相机研究带有载波的光，并观察返回反射的相位变化以测量时间。 这样的相机可能非常便宜，但是在测量距离时具有较小的范围和噪声。
关于ITELMA我们是一家大型
汽车零部件公司。 该公司拥有约2500名员工，其中包括650名工程师。
我们也许是俄罗斯汽车电子发展最强大的能力中心。 现在，我们正在积极发展，我们开设了许多职位空缺（包括该地区的大约30个职位），例如软件工程师，设计工程师，首席开发工程师（DSP程序员）等。
汽车制造商面临许多有趣的挑战，并推动行业发展。 如果您想成长为专家并向最好的人学习，我们将很高兴见到您加入我们的团队。 我们也准备分享专业知识，这是汽车领域最重要的事情。 问我们任何问题，我们将回答，我们将进行讨论。
阅读更多有用的文章：